近年来,随着社会的不断发展和科学技术的不断进步,信息飞速增长。信息爆炸带来了电子文档的快增长,文档的检索、分类和管理变得越来越困难。传统的文本处理技术使用两个文档的相似性去代替两个文档的主题相关性,但是很多情况下相似未必相关,相关也不一定相似。本文研究的文档主题相关性计算技术正是实现文档关系的自动判别的关键技术。主题相关性计算,是指通过某种手段去计算给定的两个文档在内容主题上的相关程度。大量的研究表明,一个包含大量实体及其领域背景的大规模汉语领域知识库对许多技术包括相关性计算的改善都具有很重要的价值。词与词之间的关系分析是获取领域知识的重要途径。本文首先研究的主谓关系获取技术对获取领域知识是很有帮助的。本文定义的主谓关系就是指在一个名词作为一个句子主语的前提下,另外一个动词可以同时作为这个句子的谓语动词。本文在传统的统计搭配分析技术的基础上引入了启发性规则和句法信息分析主谓关系。主题相关性计算技术是本文研究的主要内容。本文首先把向量空间模型(VSM)应用到主题相关性计算中,使用余弦相似度计算的方法进行相关性计算。针对向量空间模型本身存在重要特征常被大量判别能力较弱的特征湮没的问题,本文使用基于tf idf阈值的关键词抽取算法对文档进行关键词抽取。为了解决不同特征之间存在的潜在匹配关系,本文引入同义词词林,计算向量的语义相似度和改进的语义相似度。最后本文引入了领域知识库,通过计算文本之间的领域分布特性,改善主题相关性计算技术。本文把主题相关性计算技术应用到广告推荐系统中进行改进对比实验,实验表明,使用领域知识库的相关性计算方法取得了显著效果。